一种基于侧扫声呐数据融合与精密处理的海底线检测方法技术

本发明专利技术公布了一种基于侧扫声呐数据融合与精密处理的海底线检测方法。受多重因素影响声纳图像中海底线难于检测，为了解决复杂海底线难于精确检测的问题，本发明专利技术用于准确检测海底线从而进行后期斜距校正。该方法以LOG函数滤波后的图像作为Canny检测算法的输入图像，进行海底跟踪，其结果与阈值法跟踪结果进行融合，融合后的海底线经过插值、滤波剔除异常值后并与单波束测深数据进行对比。以深圳大鹏湾海域为实例对本发明专利技术进行了验证，取得了均方根误差为±0.2m的跟踪精度，验证了本发明专利技术的可行性。该发明专利技术专利可用于复杂条件下海底线的精度检测。

【技术实现步骤摘要】
一种基于侧扫声呐数据融合与精密处理的海底线检测方法
本专利技术涉及一种基于侧扫声呐数据融合与精密处理的海底线检测方法。
技术介绍
侧扫声呐是获取海底地貌信息的一种高效手段，以其高精度、高效率和较高的海底图像质量等优点得到了广泛的运用。目前侧扫声呐主要应用于海洋测绘、海底地质探测、海底地物探测等方面。在生成的侧扫声呐海底灰度图像中，沿航迹方向每一ping数据第一个真实的海底回波点连线、即水柱区和图像区之间存在的明显的界线称之为海底线。它表明了拖鱼距离海底的高度，其检测精度直接影响斜距改正精度。侧扫声呐数据采集时，拖鱼一般都是拖曳式的，其受波浪和尾流的影响以及拖鱼姿态和自噪声、环境噪声的影响较大时，易造成图像水柱区受到污染(如图1所示)。拖鱼高度的检测应满足左右弦海底线对称性原则和拖鱼高度渐变性原则。对称原则：拖鱼左右换能器相距较近，接收到海底的回波经历相同的时间，左右弦提取的海底线应关于航迹线对称。渐变原则：拖鱼高度受海底地形、拖鱼深度影响，满足渐进变化，因此具有渐进性变化特点。拖鱼高度未经校正，必将影响后期的斜距改正、地理编码、条带图像镶嵌。常用的海底线检测方法主要有最大振幅法、梯度法。张济博等通过数字图像的边缘检测LOG算子提取声呐图像边缘实现了海底线的自动检测，但是LOG算子有一定的局限，它只能消除尺度小于方差σ的灰度变化，当声呐图像受自噪声和环境噪声的影响过大时，LOG算子会误将一些图像噪声作为边缘保留下来，从而造成对海底线的误提取。赵建虎等综合传统阈值法、最后峰法和地形变化趋势的异常跟踪段修复法形成一种综合的方法，实现了海底线的自动提取，但实现过程较为复杂。
技术实现思路
为了克服现有技术的不足，本专利技术提供了一种基于侧扫声呐数据融合与精密处理的海底线检测方法，引入LOG&Canny算子和阈值法相融合的方法对侧扫声呐图像的海底线进行检测，从而快捷、准确地解决了LOG算子的局限性和海底线提取实现过程较为复杂的问题。一种基于侧扫声呐数据融合与精密处理的海底线检测方法，1)输入原始声纳图像f(x,y)；2)对原始声纳图像f(x,y)滤波降噪，得消除图像高斯噪声后的图像f′(x,y)；3)采用拉普拉斯对图像进行锐化处理得f″(x,y)；4)用Sobel一阶微分模板分别计算水平垂直方向的梯度，计算梯度幅值和方向角，将方向角近似分类；5)根据分类的方向角对图像进行非极大值抑制，生成边缘梯度直方图、选取双阈值并连接边缘得到海底线1；6)对每一ping数据进行阈值检测，将检测的海底点进行连接，经过滤波、光滑处理，得到海底线2；7)将海底线1和2进行融合，剔除异常点、插值、对应位置取平均以融合，若不满足对称、渐变原则，则对图像边缘数据进行插值，得到最终的海底图像，然后再进行平均融合；8)采用融合后的海底线反演水深值，并将其与单波束测深数据进行对比，以判断该方法的准确性。步骤2)中，对原始声纳图像f(x,y)滤波降噪具体如下：原始声纳图像为f(x,y)，高斯函数为G(x,y)，首先将G(x,y)作为低通滤波器对图像进行低通滤波平滑，随后对滤波后的图像二阶微分运算提取边缘，此过程等价为先对高斯函数进行二阶微分运算，再使用高斯函数的二阶微分结果和原始图像进行卷积运算，LOG(x,y)函数如下：使用LOG算子进行边缘检测时，能有效地抑制噪声。发现图像灰度值小于LOG函数值的大部分是由噪声组成的，应用此公式进行图像的滤波降噪。f(x,y)＜LOG(x,y)(2)其中，f(x,y)表示原始图像，LOG(x,y)表示LOG函数值，满足(2)式的图像值为噪声部分，经过噪声过滤的图像，为后续的边缘检测消除了部分干扰，作为后续Canny处理的输入图像。4、根据权利要求1所述的方法，其特征在于，步骤3)中，对采用拉普拉斯对图像进行锐化处理具体如下：将滤波后的声呐图像进行锐化处理，采用二阶微分模板对图像进行卷积，模板如下：经过锐化的图像作为Canny处理的输入图像。步骤4)中，计算梯度幅值和方向角具体如下：传统Canny算子使用2×2模板梯度算子来计算平滑后图像的x方向和y方向的梯度幅值Gx和Gy。本专利技术通过使用Sobel一阶微分模板与图像卷积求取梯度幅值，如下所示：梯度幅值为:梯度方向角为：θ＝arctan(Gy/Gx)(4)在计算梯度方向角时，将梯度方向θ归并为4个方向：0°、45°、90°、135°，对于所有边缘，规定梯度方向0°＝方向180°，方向45°＝方向225°。(这样方向角[-22.5°-22.5°]和[157.5°-202.5°]就归并到0°方向角。其他方向角以此类推。)步骤5)中，海底线1获取方法具体如下：根据梯度值大小检查像(i,j)的八领域范围内梯度值大小：●假如θ(i,j)＝0°，则比较像元(i+1,j)、(i,j)和(i-1,j)；●假如θ(i,j)＝45°，则比较像元(i+1,j+1)、(i,j)和(i-1,j-1)；●假如θ(i,j)＝90°，则比较像元(i,j+1)、(i,j)和(i,j-1)；●假如θ(i,j)＝135°，则比较像元(i+1,j-1)、(i,j)和(i-1,j+1)；比较三个像元梯度幅值的大小，如果(i,j)的梯度幅值大于其他两个点的梯度幅值，则(i,j)就被认为是边缘中心点而被记录下来，否则将被删除，所记录的边缘中心点即海底线1。步骤6)中，海底线2获取方法具体如下：首先将原始数据一阶差分，一阶差分就是离散函数中连续相邻两项之差，定义X(k)，则Y(k)＝X(k+1)-X(k)就是此函数的一阶差分，然后将差分结果归一化到0-1的范围内，其原因在于原始数据差分后范围太大。统计每一ping的灰度断面图，根据图像水柱区噪声程度选取占据灰度断面图70％-80％的灰度值的均值进行阈值判断，根据水柱区噪声选取连续时间为3-7之间，即连续有3-7个采样点的灰度值满足上述条件，则认为第一个采样点为海底点，使用阈值检测结果如下，判断回波发生突变的位置，为了减小水柱区空白左弦海底点往左靠，右弦海底点往右靠，顺序为：左弦则从右到左，右弦则从左到右，此为海底线2。步骤7)中，将海底线1和2进行融合具体如下：融合是将海底线1和海底线2对应两个海底点取平均值，当满足海底线对称原则、拖鱼高度渐进变化原则时平均值即为最终海底点，否则对当前海底点进行插值、平滑处理，插值采用局部线性插值，平滑是对连续上下5ping点的横向坐标进行平均，平滑后成果再次采用加权平均进行融合。本专利技术的有益效果：本专利技术基于LOG&Canny和阈值法相融合的侧扫声呐海底线检测方法，引入LOG&Canny算子和阈值法相融合的方法对侧扫声呐图像的海底线进行检测，从而快捷、准确地解决了传统方法在水柱区出现较大噪声时会出现失效的局限性和海底线提取实现过程较为复杂的问题。为后续精确地检测海底高度对后期的斜距改正、图像镶嵌、目标识别提供了较好的基础数据。附图说明图1是复杂环境噪声给水柱区造成的影响图；图2是LOG&Canny算法流程图；图3是Kirsch算法(3.1部分)、Roberts算法(3.2部分)、Laplace算法(3.3部分)、LOG算法(3.4部分)、Canny算法(3.5部分)以及LOG&Can本文档来自技高网...

【技术保护点】
1.一种基于侧扫声呐数据融合与精密处理的海底线检测方法，其特征在于，1)输入原始声纳图像f(x,y)；2)对原始声纳图像f(x,y)滤波降噪，得消除图像高斯噪声后的图像f′(x,y)；3)采用拉普拉斯对图像进行锐化处理得f″(x,y)；4)用Sobel一阶微分模板分别计算水平垂直方向的梯度，计算梯度幅值和方向角，将方向角近似分类；5)根据分类的方向角对图像进行非极大值抑制，生成边缘梯度直方图、选取双阈值并连接边缘得到海底线1；6)对每一ping数据进行阈值检测，将检测的海底点进行连接，经过滤波、光滑处理，得到海底线2；7)将海底线1和海底线2进行融合，剔除异常点、插值、对应位置取平均以融合，若不满足对称、渐变原则，则对图像边缘数据进行插值，得到最终的海底图像，然后再进行平均融合；8)采用融合后的海底线反演水深值，并将其与单波束测深数据进行对比，以判断该方法的准确性。

【技术特征摘要】
1.一种基于侧扫声呐数据融合与精密处理的海底线检测方法，其特征在于，1)输入原始声纳图像f(x,y)；2)对原始声纳图像f(x,y)滤波降噪，得消除图像高斯噪声后的图像f′(x,y)；3)采用拉普拉斯对图像进行锐化处理得f″(x,y)；4)用Sobel一阶微分模板分别计算水平垂直方向的梯度，计算梯度幅值和方向角，将方向角近似分类；5)根据分类的方向角对图像进行非极大值抑制，生成边缘梯度直方图、选取双阈值并连接边缘得到海底线1；6)对每一ping数据进行阈值检测，将检测的海底点进行连接，经过滤波、光滑处理，得到海底线2；7)将海底线1和海底线2进行融合，剔除异常点、插值、对应位置取平均以融合，若不满足对称、渐变原则，则对图像边缘数据进行插值，得到最终的海底图像，然后再进行平均融合；8)采用融合后的海底线反演水深值，并将其与单波束测深数据进行对比，以判断该方法的准确性。2.根据权利要求1所述的方法，其特征在于，步骤2)中，对原始声纳图像f(x,y)滤波降噪具体如下：原始声纳图像为f(x,y)，高斯函数为G(x,y)，首先将G(x,y)作为低通滤波器对图像进行低通滤波平滑，随后对滤波后的图像二阶微分运算提取边缘，此过程等价为先对高斯函数进行二阶微分运算，再使用高斯函数的二阶微分结果和原始图像进行卷积运算，LOG(x,y)函数如下：f(x,y)＜LOG(x,y)(2)其中，f(x,y)表示原始图像，LOG(x,y)表示LOG函数值，满足(2)式的图像值为噪声部分，经过噪声过滤的图像，为后续的边缘检测消除了部分干扰，作为后续Canny处理的输入图像。3.根据权利要求1所述的方法，其特征在于，步骤3)中，对采用拉普拉斯对图像进行锐化处理具体如下：将滤波后的声呐图像进行锐化处理，采用二阶微分模板对图像进行卷积，模板如下：经过锐化的图像作为Canny处理的输入图像。4.根据权利要求1所述的方法，其特征在于，步骤4)中，计算梯度幅值和方向角具体如下：通过使用Sobel一阶微分模板与图像卷积求取梯度幅值，如下所示：梯度幅值为:梯度方向角为：θ＝arctan(Gy/G...

【专利技术属性】
技术研发人员：王胜平，吴自银，李家彪，杨建松，赵荻能，罗孝文，
申请(专利权)人：国家海洋局第二海洋研究所，
类型：发明
国别省市：浙江,33